52
Tabel 4.4. Data Debt Equity Ratio Perusahaan Transportasi Tahun 2007-2010
Perusahaan 2007 2008 2009 2010
PT. Arpeni Pratama Ocean Line Tbk 2.28
3.52 7.7
10.42 PT. Berlian Laju Tanker Tbk
5.23 3.24
3.04 2.65
PT. Centris Multi Persada P. Tbk 1.3
1.25 1.44
1.5 PT. Humpuss Intermoda Trans. Tbk
0.48 0.82
0.65 0.7
PT. Indonesia Air Transport Tbk 1.2
2.19 2.01
2.72 PT. Panorama Sentra Wisata Tbk
1.64 2
1.59 2.07
PT. Pelayaran Tempuran Emas Tbk 1.87
1.61 3.89
5.09 PT. Rig Tenders Tbk
0.55 0.67
0.55 0.5
PT. Rukun Raharja Tbk 0.12
0.02 0.004
0.01 PT. Samudra Indonesia Tbk
0.95 1.46
1.92 1.96
Sumber : Bursa Efek Indonesia
Berdasarkan tabel 4.4. diatas dapat diketahui bahwa untuk Debt Equity Ratio yang tertinggi diperoleh pada tahun 2010 pada perusahaan PT.
Arpeni Pratama Ocean Line Tbk sebesar 10.42, sedangkan yang terendah adalah PT. Rukun Raharja Tbk sebesar 0.004
4.2. Deskripsi Hasil Pengujian Hipotesis
4.2.1. Uji Normalitas
Dalam pengujian normalitas data dengan menggunakan uji Kolmogorof-Smirnov dengan menggunakan program SPSS, dimana
apabila nilai signifikansi probabilitas yang diproleh lebih besar dari nilai signifikansi yang telah ditetapkan dalam penelitian 5 maka data
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
53
tersebut telah terdistribusi normal. Santoso, 2001 : 97 Pedoman dalam mengambil keputusan apakah sebuah distribusi data
mengikuti distribusi normal adalah :
Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka distribusi adalah tidak normal.
Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka
distribusi adalah normal.
Tabel 4.5. Normalitas Data Masing-masing Variabel
One-Sample Kolmogorov-Smirnov Test
RETURN_ SHM
ROE CR
DER N
39 39
39 39
Normal Parameters
a
Mean -9.4982
-5.1813 95.5644
2.1232 Std. Deviation
41.34232 2.53109E1
5.78337E1 2.07327
Most Extreme Differences Absolute
.092 .266
.129 .213
Positive .092
.090 .129
.213 Negative
-.061 -.266
-.086 -.153
Kolmogorov-Smirnov Z .576
1.664 .805
1.333 Asymp. Sig. 2-tailed
.895 .008
.537 .057
Sumber : Lampiran Menggunakan uji Kolmogorov-Smirnov dengan menggunakan uji
ini diperoleh hasil analisis bahwa tidak semua variable yang diteliti memiliki distribusi yang normal, hanya pada variable Return Saham, CR
dan DER yang memiliki distribusi normal dimana nilai Asymp. Sig signifikansi lebih besar dari 0,05, sehingga dapat disimpulkan sebagian
data tersebut tidak memenuhi asumsi berdistribusi normal..
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
54
4.2.2. Uji Asumsi Klasik 4.2.2.1. Autokorelasi
Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin
Watson sebesar 2,767, hal ini menunjukkan adanya gejala autokorelasi.negative, tetapi tidak menjadi masalah yang serius karena
data penelitian ini meruapakan data pooling gabungan data time series dan cross section :
Tabel 4.6. Data Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.129
a
.017 -.068
42.71663 2.767
a. Predictors: Constant, DER, CR, ROE b. Dependent Variable: RETURN_SHM
Jadi dapat disimpulkan bahwa model regresi linier berganda yang diperoleh pada penelitian ini telah memenuhi asumsi klasiknya yaitu tidak
memenuhi autokorelasi dan normalitas datanya untuk sebagian variabel Deteksi Autokorelasi:
a. Besarnya Angka Durbin Watson
Patokan : Angka D-W di bawah –2 ada autokorelasi positif
Angka D-W di atas +2 ada autokorelasi negatif Angka Berada diantara –2 sampai +2 Tidak ada
Autokorelasi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
55
4.2.2.2. Multikolinearitas
Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini menunjukkan
tidak adanya gejala multikolinieritas pada semua variabel bebas dimana nilai VIF pada semua variabel lebih kecil dari 10. Syarat terjadi
multikolinieritas jika nilai VIF Variance Inflation Factor 10
Cryer,1994 : 681..
Tabel 4.7 : Hasil Pengujian Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
-5.686 16.740
-.340 .736
ROE -.084
.330 -.052
-.255 .800
.690 1.449
CR .018
.131 .025
.135 .893
.839 1.191
DER -2.797
3.775 -.140
-.741 .464
.784 1.276
a. Dependent Variable: RETURN_SHM
Sumber : Lampiran
Dari hasil perhitungan diperoleh bahwa pada bagian colliniearity statistics, nilai VIF pada seluruh variabel bebas lebih kecil dari 10, yang
artinya seluruh variabel bebas pada penelitian ini tidak ada gejala multikolinier.
4.2.2.3. Heteroskedastisitas
Penyimpangan asumsi model klasik yang lain adalah adanya heteroskedastisitas. Artinya, varians variabel dalam model tidak sama
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
56
konstan. Hal ini bisa diindentifikasi dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas.
Tabel 4.8 : Hasil Pengujian Heteroskedastisitas
Correlations
ROE CR
DER Unstandardized
Residual Spearmans rho
ROE Correlation Coefficient
1.000 .522
-.185 -.052
Sig. 2-tailed .
.001 .259
.752 N
39 39
39 39
CR Correlation Coefficient
.522 1.000
-.087 .079
Sig. 2-tailed .001
. .597
.635 N
39 39
39 39
DER Correlation Coefficient
-.185 -.087
1.000 -.050
Sig. 2-tailed .259
.597 .
.761 N
39 39
39 39
Unstandardized Residual
Correlation Coefficient -.052
.079 -.050
1.000 Sig. 2-tailed
.752 .635
.761 .
N 39
39 39
39 . Correlation is significant at the 0.01 level 2-tailed.
Hasil analisis menunjukkan bahwa pada variabel X1, X2 dan X3, TIDAK mempunyai korelasi yang signifikan antara residual dengan
variabel bebasnya,nilai Sig lebih besar dari 0,05 maka hasil analisis ini dapat disimpulkan seluruh variabel penelitian tidak terjadi
Heteroskedastisitas
4.3. Hasil Pengujian Regresi Linier Berganda
